Algoritmi podatkovnega rudarjenja so programirane poizvedbe in programi, ki se uporabljajo za prepoznavanje vzorcev in trendov v nizih podatkov. Primarna uporaba podatkovnega rudarjenja je določanje potreb in preferenc strank na podlagi njihove dejanske dejavnosti. Čeprav informacije temeljijo na preteklih rezultatih, so lahko odličen pokazatelj vedenja in trendov strank.
Dva odlična primera algoritmov za rudarjenje podatkov sta združevanje v gruče in napovedovalci najbližjih sosedov. Združevanje v skupine je izraz, ki se uporablja za opis dejavnosti, kjer si posamezne enote ali podatki delijo pomembne lastnosti. Ločevanje perila je logičen primer tega vedenja. Oseba, ki razvršča perilo, deluje kot algoritem. On ali ona loči perilo na kupe po atributih: barve, kemično čiščenje in belo so vse ločene.
Dejanski proces odločanja, vključen v to dejavnost, so podrobnosti algoritma. Prvič, nabor podatkov mora biti omejen na postavke, pomembne za vajo. Čevlji niso vključeni v razvrščanje perila, čeprav so lahko v istem fizičnem prostoru. Vnaprej se je treba odločiti, katere lastnosti bodo uporabljene za ločevanje perila in velikost vsakega kupa.
Prediktor najbližjega soseda temelji na identifikaciji tesno ujemajočih se primerov. V začetnih fazah je treba zagotoviti merila, ki določajo, kaj je postavka ali podatki in kaj bo vključevala definicija najbližjega. Ta vrsta algoritma sledi podobnemu vzorcu kot logični miselni proces.
Glavna prednost algoritmov za rudarjenje podatkov je zmožnost programa, da ustvari in identificira vzorce znotraj ogromne količine podatkov. Zmožnost prepoznavanja sosedov v določenem okolju je enostavno narediti v majhni skupini. Vendar pa podatki, zbrani iz vseh prodajnih transakcij, opravljenih v enem letu ali v okrožju, zahtevajo posebne programe in logiko za kakršno koli natančnost.
Ljudje, ki lahko ustvarijo algoritme za podatkovno rudarjenje, ki ustrezajo potrebam uporabnikov, delajo na področju poslovne inteligence ali podatkovnega rudarjenja. To je zelo zapletena razširitev statistike, ki postaja vse bolj priljubljena, saj si organizacije prizadevajo doseči bolj oprijemljiv donos iz podatkov, ki so jih zbrali. Učinkovit razvijalec lahko ustvari niz algoritmov za rudarjenje podatkov, ki natančno prepoznajo vzorce vedenja, in uporabi te informacije za napovedovanje prihodnjih dejanj. Te informacije so zelo dragocene za podjetja, organizacije in vlade.